Metodologia della ricerca sociale e analisi dei consumi - Lista domande e risposte

Ogni indicatore selezionato serve per rendere osservabile un aspetto del concetto di

soddisfazione lavorativa.

Qualità degli indicatori

La qualità di un indicatore è determinata principalmente da due caratteristiche

validità affidabilità.

fondamentali: e Queste due proprietà sono cruciali per assicurare che

un indicatore rappresenti accuratamente e in modo coerente il concetto che si intende

misurare.

1. Validità

validità

La di un indicatore si riferisce alla sua capacità di misurare effettivamente ciò che

intende misurare. In altre parole, un indicatore è valido se rappresenta in modo accurato il

concetto teorico a cui è associato.

Esistono diverse forme di validità:

Validità di facciata: È la validità intuitiva di un indicatore, ossia se sembra essere

• ragionevolmente collegato al concetto che intende misurare. Ad esempio, la

domanda "Quanto sei soddisfatto del tuo stipendio?" sembra intuitivamente legata

alla soddisfazione lavorativa in termini di retribuzione.

Validità di contenuto: Si riferisce alla capacità dell'indicatore di coprire in modo

• completo le dimensioni del concetto. Se stiamo cercando di misurare la

"soddisfazione lavorativa", non sarebbe sufficiente considerare solo il salario come

indicatore; sarebbe necessario includere anche altri aspetti come le relazioni con i

colleghi o la percezione delle opportunità di crescita.

Validità di criterio: Si riferisce alla capacità dell'indicatore di predire o correlarsi

• con altre misure esterne che sono associate al concetto. Un indicatore di

"soddisfazione lavorativa" dovrebbe essere correlato, ad esempio, con la volontà di

rimanere in azienda o la performance lavorativa.

Validità di costrutto: Riguarda la coerenza dell'indicatore con la teoria di

• riferimento. Se un indicatore misura correttamente il concetto, dovrebbe

comportarsi come previsto all'interno di una teoria. Ad esempio, ci aspettiamo che

la soddisfazione lavorativa sia positivamente correlata con la produttività del

dipendente.

Esempio di validità: Se si utilizza il reddito annuale come indicatore della povertà, questo

indicatore sarebbe valido solo se effettivamente riflette l'accesso delle persone alle risorse

economiche e se tiene conto delle altre dimensioni della povertà, come l'accesso ai servizi

essenziali.

2. Affidabilità

L'affidabilità di un indicatore si riferisce alla coerenza e alla ripetibilità delle misure. Un

indicatore è affidabile se produce risultati coerenti quando viene utilizzato in diverse

occasioni, con diversi soggetti o in contesti differenti. Anche se un indicatore può essere

valido (misurare ciò che si propone di misurare), deve anche essere affidabile, cioè

produrre gli stessi risultati se applicato in circostanze simili.

Le forme principali di affidabilità includono:

Affidabilità test-retest: Si verifica quando lo stesso indicatore, somministrato agli

• stessi soggetti in momenti diversi, produce risultati simili. Ad esempio, se si misura

la soddisfazione lavorativa oggi e la si misura nuovamente tra una settimana, ci si

aspetta che i risultati siano coerenti, a meno di cambiamenti significativi nel

contesto lavorativo.

Affidabilità inter-soggettiva: Si verifica quando diversi ricercatori ottengono gli

• stessi risultati utilizzando lo stesso indicatore. Per esempio, in un'intervista

strutturata, se due ricercatori somministrano lo stesso questionario a due gruppi

simili di persone, i risultati dovrebbero essere comparabili.

Coefficiente alfa di Cronbach: È un indicatore statistico comunemente utilizzato

• per misurare l'affidabilità interna di un insieme di indicatori. Ad esempio, se si

utilizza una scala con più domande per misurare la soddisfazione lavorativa, l'alfa di

Cronbach indica quanto le domande misurano lo stesso costrutto.

Esempio di affidabilità: Un indicatore del livello di stress potrebbe essere

l'autovalutazione dei partecipanti. Se questa autovalutazione produce risultati molto diversi

a intervalli ravvicinati, senza che ci siano cambiamenti esterni significativi, l'indicatore non

è affidabile.

Relazione tra validità e affidabilità

un indicatore può essere affidabile senza essere valido,

È importante notare che ma non

può essere valido senza essere affidabile. Un indicatore affidabile può produrre risultati

coerenti, ma se non misura effettivamente il concetto che si intende misurare, non sarà

valido. D'altro canto, un indicatore valido deve necessariamente essere affidabile, poiché la

sua validità implica che misuri correttamente il concetto in modo coerente.

Esempio:

Un questionario che chiede "Quanto sei stressato?" potrebbe essere affidabile, poiché

produce le stesse risposte nel tempo, ma potrebbe non essere valido se il concetto di

"stress" non è stato ben definito o se l'indicatore non cattura tutte le dimensioni dello stress

(fisico, emotivo, mentale).

Miglioramento della qualità degli indicatori

Per garantire la qualità degli indicatori, i ricercatori possono adottare una serie di strategie:

Pilotaggio:

1. Prima di somministrare gli strumenti di rilevazione su larga scala, è utile

fare un test pilota su un piccolo campione per verificare la validità e l'affidabilità

degli indicatori.

Correlazione con altri indicatori:

2. Confrontare i risultati ottenuti con l'indicatore

in questione con altri indicatori già consolidati per lo stesso concetto, verificando la

loro coerenza.

Revisione teorica:

3. Assicurarsi che gli indicatori siano strettamente legati alla teoria

di riferimento e che siano concettualmente coerenti con le dimensioni del concetto.

Conclusione

validità

La e l'affidabilità sono i due pilastri fondamentali per determinare la qualità di un

indicatore. Un indicatore valido misura ciò che intende misurare, mentre un indicatore

affidabile garantisce che la misura sia coerente e ripetibile nel tempo. Per garantire la

qualità della ricerca, è essenziale che i ricercatori scelgano indicatori che siano non solo

empiricamente verificabili, ma anche teoricamente solidi e metodologicamente robusti.

D.12 - Scaling

Dopo aver definito cosa si intende per scaling, si illustrino i diversi gradi di autonomia

semantica delle categorie di risposta da parte dei soggetti.

Risposta:

Definizione di Scaling

Scaling scale di misurazione

è il processo mediante il quale si sviluppano e si utilizzano

per attribuire un valore numerico o un’etichetta ad atteggiamenti, opinioni o

comportamenti di soggetti, consentendo così di quantificare concetti che sono inizialmente

qualitativi o astratti. In altre parole, lo scaling trasforma giudizi soggettivi o percezioni in

numeri che possono essere analizzati in modo sistematico. Le scale sono ampiamente

utilizzate nella ricerca sociale per misurare concetti come la soddisfazione, l'atteggiamento,

il comportamento o le opinioni, e possono variare in complessità e forma.

Esempi comuni di scaling includono:

Scale Likert: dove i soggetti esprimono il loro livello di accordo o disaccordo con

• una serie di affermazioni.

Scale ordinali: che classificano gli oggetti in ordine di preferenza o intensità senza

• indicare la distanza tra di essi.

Scale nominali: che categorizzano semplicemente gli oggetti senza implicare un

• ordine o una gerarchia.

Gradi di autonomia semantica delle categorie di risposta autonomia semantica

Uno degli aspetti critici nella costruzione delle scale è il grado di

delle categorie di risposta, cioè quanto i soggetti sono liberi di interpretare e personalizzare

il significato delle risposte che danno. L'autonomia semantica dipende dalla struttura della

scala e dal modo in cui le categorie di risposta vengono presentate ai partecipanti.

Le scale possono avere gradi diversi di autonomia semantica:

Bassa autonomia semantica (risposte strutturate e chiuse)

1. Media autonomia semantica (risposte semi-strutturate)

2. Alta autonomia semantica (risposte aperte o libere)

3.

1. Bassa autonomia semantica: Scale a risposta chiusa

Nelle scale a bassa autonomia semantica, i soggetti hanno un margine molto limitato per

interpretare le risposte, poiché le categorie di risposta sono predefinite e strettamente

strutturate. Questo tipo di scale è tipico nelle ricerche quantitative, dove la comparabilità

dei dati tra i partecipanti è cruciale.

Esempio:

Scale Likert: i soggetti devono scegliere una risposta da un set di opzioni

• standardizzate, come "Completamente d'accordo", "D'accordo", "Neutro", "In

disaccordo", "Completamente in disaccordo". In questo caso, l’autonomia semantica

è bassa, poiché le categorie di risposta sono rigide e i soggetti devono selezionare

un’opzione che meglio rappresenti la loro opinione, senza la possibilità di spiegare il

motivo del loro accordo o disaccordo.

Domande dicotomiche: in cui si risponde con "Sì" o "No". Anche qui, la libertà di

• interpretazione è molto ridotta, poiché le risposte sono limitate a due alternative.

Vantaggi della bassa autonomia semantica:

Le risposte sono facilmente comparabili tra i partecipanti.

• È semplice codificare e analizzare le risposte in modo quantitativo.

•

Limiti: I soggetti potrebbero non trovare una risposta che rifletta esattamente il loro

• pensiero, il che può portare a risposte forzate o non del tutto rappresentative.

Non consente di esplorare la complessità dei pensieri o delle emozioni dei

• partecipanti.

2. Media autonomia semantica: Scale semi-strutturate

In questo caso, le risposte sono strutturate, ma i partecipanti hanno un certo margine di

libertà per interpretare le categorie di risposta. Le scale semi-strutturate offrono opzioni

predeterminate, ma consentono ai soggetti di esprimere una maggiore sfumatura nei loro

giudizi.

Esempio:

Scale differenziali semantiche: in cui ai partecipanti vengono presentati opposti

• semantici (ad esempio, "facile/difficile", "utile/inutile") e viene chiesto di collocare

la loro risposta lungo un continuum. Qui l’autonomia semantica è maggiore rispetto

alle scale a risposta chiusa, poiché i partecipanti possono scegliere un punto

intermedio che meglio rappresenta la loro opinione. Tuttavia, la libertà di scelta è

ancora limitata da intervalli predefiniti.

Scale con ca